利用现在和过去的观测值来预测或者控制其未来的值。
[0021]从温度与负荷的定量关联关系看，温度主要影响调温负荷，包括高温时的制冷负荷和低温时的取暖负荷。温度与负荷的灵敏度是其相关性的常用表示方式，要计算温度与负荷的灵敏度，需要取多日的[温度，负荷]数据对，在高温段和低温段分别用不同的函数(通常用分段的二次函数)来拟合。
[0022]采用上述方法确定保留参考样本边界的原理为:负荷变化的规律性必然是大多数样本符合的，采用全样本进行拟合时，由于符合变化规律的样本占多数，这部分样本在拟合计算中自然有更高的权重，它们偏离拟合结果也较小；而不能够代表变化规律的负荷毕竟是小众样本，在拟合计算中权重较小，与最终的拟合结果偏离较大；根据拟合误差的分布函数，确定保留样本的偏差边界，在边界以内的加以保留，边界以外的剔除。
[0023]如图2所示，在步骤(3)中采用的样本数据的分析迭代过程包括如下计算步骤: 步骤I)计算样本存在情况下拟合曲线的误差，该误差记为ei，进入步骤2);
步骤2)计算无该样本情况下拟合曲线的误差情况，该误差记为e2, %的设定值为样本均值的20%，进入步骤3)；
步骤3)遍历每个样本，对比(ei_ e2)，选取值最大的一个作为该迭代步骤的剔除样本，进入步骤4);
步骤4)剔除样本后，当％小于设定值或迭代次数大于设定值时，进入步骤5)，其中迭代次数的设定值为总样本数的1/3 ;否则返回步骤I )，重新计算相关的误差变化；
步骤5)样本数据的分析迭代过程结束，至此获得优化的参考样本。
[0024]采用上述迭代过程中偏差量的变化规律优选参考样本的方法，一方面避免了采用基于残差搜索的不良数据检测方法存在的“残差污染”问题，另一方面，避免了基于负荷的预测值方法不适用于实时变化馈线负荷预测的问题。具有更好的精确性和更广泛的适用性。
[0025]图3为参考样本散点图，横坐标为样本点，纵坐标为样本值。从图中可以发现，大部分样本聚集在中值附近，部分样本明显偏离中值，为偶然或突发情况，不能代表负荷的变化规律。
[0026]图4为参考样本概率密度，横坐标为样本值，纵坐标为概率密度。与图3相对照，即可得到负荷值的聚集情况。
[0027]图5为拟合误差的概率密度，横坐标为拟合误差，纵坐标为概率密度。以虚线为边界，虚线以右即可做剔除处理。
[0028]图6为拟合误差的分布函数，横坐标为拟合误差，纵坐标为分布函数值。与图3相对照，同样以虚线(分布函数值约为0.8)为边界，虚线以右即可做剔除处理。
[0029]采用上述方法对样本进行优化筛选后，可以获得馈线负荷预测中收敛性、平稳性的大幅度提升，为基于馈线短期负荷预测结果的一系列工作提供可靠的数据基础。
[0030]以2014年某省会城市馈线负荷预测情况为例说明，采用本发明后，因不收敛而没有预测结果的负荷比例由22.4%大幅缩减到0.89%。具体情况说明如下:该省会城市馈线负荷数约为1354，在没有应用该结果前，有303个馈线因算法不收敛没有预测结果，只能采取人工干预的方法补充预测结果；采用本发明的方法后，其中的291个馈线负荷可提供有效的预测结果，收敛性、平稳性得到根本性改善。剩余12个馈线负荷经详细分析，系负荷模型本身缺乏规律性，已经超出立足于规律性(通过历史数据来揭示现象的变化规律，将这种规律延伸到未来)的负荷预测算法所能解决的范畴。
[0031]最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，本领域普通技术人员对本发明的技术方案所做的其他修改或者等同替换，只要不脱离本发明技术方案的精神和范围，均应涵盖在本发明的权利要求范围当中。
【主权项】
1.用于馈线短期负荷预测的参考样本优选方法，其特征在于，具体步骤如下: (1)将电力调控中心电网能量管理系统中的实测馈线负荷数据、历史气象数据导入数据库，建立馈线负荷预测所需的参考样本； (2)根据选择的参考样本采用拟合算法得到拟合结果，根据参考样本与拟合结果间的偏离距离的分布函数，选取分布集中的区域，划定参考样本的边界； (3 )在划定的参考样本边界内根据迭代过程中偏差量的变化规律选取参考样本。2.根据权利要求1所述的用于馈线短期负荷预测的参考样本优选方法，其特征在于，所述步骤(2)中根据选择的参考样本采用拟合算法得到拟合结果，根据参考样本与拟合结果间的偏离距离的分布函数，选取分布集中的区域，划定参考样本的边界，包括以下步骤: 1)读取数据库的参考样本数据，建立参考样本数据的样本集合； 2)采用最小二乘法生成拟合曲线； 3)计算样本集合中各样本与拟合曲线的偏差值； 4)生成拟合偏差的概率分布，确定偏差边界； 5)剔除超出边界的样本，形成新的样本集合。3.根据权利要求1或2所述的用于馈线短期负荷预测的参考样本优选方法，其特征在于，所述步骤(3)中样本数据的分析迭代过程包括如下步骤: 步骤I)计算参考样本存在情况下拟合曲线的误差，该误差记为e1; 步骤2)计算无该参考样本情况下拟合曲线的误差情况，该误差记为e2; 步骤3)遍历每个样本，对比(ei_ e2)，选取值最大的一个作为该迭代步骤的剔除样本； 步骤4)剔除样本后，当％小于设定值或迭代次数大于设定值时，进入步骤5);否则返回步骤I )，重新计算参考样本的误差变化； 步骤5)样本数据的分析迭代过程结束，获得优化的参考样本。4.根据权利要求3所述的用于馈线短期负荷预测的参考样本优选方法，其特征在于:所述e2的设定值为参考样本均值的20%。5.根据权利要求3所述的用于馈线短期负荷预测的参考样本优选方法，其特征在于:所述迭代次数的设定值为参考样本总数的1/3。
【专利摘要】本发明公开了一种用于馈线短期负荷预测的参考样本优选方法，包括以下步骤：首先，将电力调控中心电网能量管理系统中的实测馈线负荷数据、历史气象数据导入数据库，建立馈线负荷预测所需的参考样本；进一步，根据选择的参考样本采用拟合算法得到拟合结果，得到各样本与拟合结果间的偏离距离的分布函数，选取分布集中的区域，划定参考样本的边界；最后，在第二步保留样本的基础上，根据迭代过程中偏差量的变化规律优选参考样本。本发明通过对馈线短期负荷预测的参考样本的优化筛选，获得馈线负荷预测算法收敛性、平稳性的大幅提升，大大减少了因不收敛而没有预测结果的负荷比例，为基于馈线短期负荷预测结果的一系列工作提供可靠的数据基础。
【IPC分类】G06Q10/04, G06Q50/06
【公开号】CN105184425
【申请号】CN201510682970
【发明人】张小斐, 郭志民, 吴博, 耿俊成, 刘枫琪, 杨磊, 郭祥富, 万迪明
【申请人】国网河南省电力公司电力科学研究院, 国家电网公司, 河南恩湃高科集团有限公司
【公开日】2015年12月23日
【申请日】2015年10月21日